Perbandingan metode k-nearest neighbor (K-NN) dan nearest cluster classifier (NCC) untuk klasifikasi kualitas batik tulis

SYAFITRI N, Nesi, Drs. Retantyo Wardoyo, M.Sc., Ph.D

2008 | Tesis | S2 Ilmu Komputer

Berbagai kasus yang berkaitan dengan pengelompokkan objek dapat diselesaikan lebih mudah dengan menerapkan teknik-teknik klasifikasi. Sebagai contoh pada diagnosis medis, aplikasi klasifikasi dapat digunakan untuk klasifikasi tingkat penyakit yang diderita oleh seorang pasien sehingga memudahkan dokter dalam memberikan solusi terapi yang tepat. Pada bidang ekonomi, aplikasi klasifikasi juga dapat digunakan oleh sebuah bank yang ingin mengetahui apakah customer yang mengajukan kredit termasuk dalam kategori customer yang menguntungkan atau tidak. Dan di dunia industri dan perdagangan batik, aplikasi klasifikasi juga dibutuhkan untuk menentukan kualitas batik. Untuk memecahkan masalah klasifikasi, berbagai macam metode telah diterapkan. Dibidang soft computing, mulai banyak dikembangkan juga teknik-teknik klasifikasi. Sehingga proses klasifikasi dapat dilakukan dalam waktu yang relatif lebih cepat dengan menggunakan algoritma klasifikasi yang tepat. Dalam penelitian ini dibandingkan dua metode klasifikasi yaitu k-nearest neighbor dan nearest cluster classifier untuk proses klasifikasi kualitas batik tulis. Metode k-nearest neighbor adalah metode yang berdasarkan pada pendekatan probabilistik sedangkan nearest cluster classifier berdasarkan pada kemiripan. Fokus penelitian ini adalah pada tingkat akurasi atau succes ratio yang dihasilkan oleh masing-masing metode. Dari hasil penelitian menunjukkan bahwa klasifikasi kualitas batik tulis dengan metode k-nearest neighbor menunjukkan tingkat akurasi atau succes ratio yang lebih baik dibandingkan dengan metode nearest cluster classifier

Various problem that are related to classification object can be solve easier with using classification techniques. For example in the medical diagnosis, classification application can be applied to classify diseases level of patient so that easier for a doctor to give right therapy solution. In the economy field, classification application can be applied for a bank wants to know if a customer applying for a loan is a good or bad customer. And in industries field and trading of batik, classification application needed to assignment of batik tulis quality. To solve such classification problem, several methods have been applied. In soft computing field, there are many classification technique has been improved. So, classification process can be done relatively faster with using precise classification algorithm. In this research two classification methods for classify quality of batik tulis, k-nearest neighbor and nearest cluster classifier are compared. K-nearest neighbor is a method that based on probabilistic approach and nearest cluster classifier is a method that based on similarity. Focus of this research is a accuration ratio or succes ratio that result it. The result of this research showed that classification in quality of batik tulis with k-nearest neighbor method is better than nearest cluster classifier method in rate of accuration ratio or succes ratio.

Kata Kunci : K,nearest neighbor,Nearest cluster classifier,Klasifikasi probabilistic approach,Similarity,Tingkat akurasi, Classification, k-nearest neighbor, nearest cluster classifier, probabilistic approach, similarity, accuration ratio